Syllabus

Title
4331 Ökonometrie II
Instructors
ao.Univ.Prof. Dr. Michael Hauser
Contact details
Type
PI
Weekly hours
2
Language of instruction
Deutsch
Registration
02/15/19 to 02/22/19
Registration via LPIS
Notes to the course
Dates
Day Date Time Room
Tuesday 03/05/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 03/12/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 03/19/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 03/26/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 04/02/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 04/09/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 04/30/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 05/07/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 05/14/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 05/21/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 05/28/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 06/04/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 06/18/19 05:00 PM - 06:30 PM TC.4.17
Tuesday 06/25/19 05:00 PM - 06:30 PM TC.4.17
Contents

Die Lehrveranstaltung ist in 7 Kapiteln gegliedert:

  • Strukturbruch
  • Dummies und Saison
  • Multikollinearität
  • Heteroskedastizität
  • Autokorrelation in den Residuen
  • Zeitreihenmodelle, Trends und unit roots
  • Instrumenten-Variablen Schätzer.
Learning outcomes

Nach Abschluss dieser LV sind die Studierenden in der Lage:

Durch Ergänzungen der linearen Modells, z.B. durch Dummy Variable, Berücksichtigung von Saison, Zeitreihenmodelle, integrierte Variable, ein umfangreicheres Instrumentarium passend zu beobachteten Verhaltensmuster (Strukturbrüche, saisonales Muster, dynamische Beziehungen, nicht stationäre Variable, Trends) zur Verfügung zu haben.

Diverse Verletzungen der Annahmen des Standardmodells zu interpretieren und gegebenenfalls in das Modell durch Modifikation zu integrieren.

Die Annahme der Exogenität der unabhängigen Variablen im Rahmen von größeren ökonomischen Zusammenhängen zu relativieren, und gegebenenfalls eine geignete Schätzverfahren anzuwenden.

Engagierte Studenten werden auch eigene Simulationsprogramme in EViews schreiben können, die z.B. Eigenschaften von Modellen oder Schätzern sichtbar machen. Der durchschnittliche Student wird jedenfalls in der Lage sein diese zu lesen.

Diese LV fördert außerdem die Fähigkeiten der Studierenden sich mit der Wahl und Anpassungsqualität von Modellen kritisch auseinander zu setzen.

Attendance requirements

Der Kurs ist auf durchgängige Anwesenheit und Mitarbeit ausgelegt, weswegen physische, emotionale und intellektuelle Präsenz in allen Einheiten grundsätzlich vorausgesetzt wird. Ausnahmen davon sind nur in Einzelfällen und bei begründeter Verhinderung bis zu einem Gesamtausmaß von höchstens 20% möglich.

Teaching/learning method(s)
Der Stoff wird an Hand von Folien präsentiert und die Verfahren in EViews vorgeführt. Zu allen Problemstellungen gibt es Übungsaufgaben, die überwiegend empirisch an Hand von Daten durch Benutzung von EViews zu lösen sind. Die Beispiele werden in Gruppen gelöst und in der Folgestunde am Beginn der LV präsentiert und diskutiert.
Assessment

Zusätzlich zu den Übungsbeispielen und den Präsentationen werden 2 Tests abgehalten. Es sind mindestens 50% der Beispiele vorzubereiten und anzukreuzen, und an einem der Tests teilzunehmen. Insgesamt wird die Abgabe der Beispiele zu 30 Prozent und die beiden Tests zu je 35 Prozent bewertet.Der Notenschlüssel ist (jeweils die linke Grenze ausgenommen)

  • 50 - 62.5% Genügend
  • 62.5 - 75% Befriedigend 
  • 75 - 87.5% Gut
  • 87.5 - 100% Sehr Gut
Availability of lecturer(s)

michael.hauser@wu.ac.at

http://statmath.wu.ac.at/~hauser/

Last edited: 2019-01-10



Back